แนวคิดหลัก
Optimierung von Mobile Edge Computing für Play-to-Earn in der Metaverse durch Multi-Agent Loss-Sharing (MALS) Verstärkungslernen.
บทคัดย่อ
Einführung von Play-to-Earn (P2E) Spielen in der Metaverse.
Probleme bei rechenintensiven Augmented Reality (AR) Spielen.
Optimierungsproblem für Mobile Edge Computing Service Provider (MSP).
Vorschlag eines Multi-Agent Loss-Sharing (MALS) Verstärkungslernmodells.
Vergleich mit anderen Basismodellen und Gewichtsanalysen.
สถิติ
"Die MSP's DL-Ziel ist es, die optimale UE-MBS-Zuweisung ct zu finden, um die gesamte Downlink-Latenz ℓd,t_i zu minimieren."
"Die MSP's UL-Ziel ist es, die optimale UE-Uplink-Leistung pu,t zu erhalten, um die gesamte Latenz der Daten-Uplink-Übertragungen ℓu,t_i zu minimieren."
คำพูด
"Wir schlagen ein Multi-Agent Loss-Sharing (MALS) Verstärkungslernmodell vor, um ein neuartiges asynchrones und asymmetrisches Problem anzugehen."
"Unsere Arbeit trägt zur gemeinsamen Optimierung von Play-to-Earn über Mobile Edge Computing bei."